Helsinki University (พ.ค. 2018) เปิดสอนวิชา The Elements of AI ในระดับพื้นฐาน สำหรับผู้ที่สนใจ เรียนแบบ self-pace 6 สัปดาห์ ไม่จำเป็นต้องมีพื้นฐานการเขียนโปรแกรมมาก่อน สอนพวก concepts และ case study หลายๆแบบให้นักเรียนได้เข้าใจภาพกว้างของโลก AI
สมัครเรียนฟรีได้ที่นี่ https://www.elementsofai.com/
วันนี้แอดมาสรุปเนื้อหาสัปดาห์แรก What is AI? ให้อ่านกันแบบสั้นๆ กระชับ สนุก
Definition of AI
ถึงแม้ว่าคนจะพูดเรื่อง AI กันเยอะมาก แต่นิยามของคำนี้ไม่ได้ถูกกำหนดไว้ชัดเจน ทำให้การตีความของแต่ละคนแตกต่างกันออกไป สาเหตุสำคัญอีกอย่างคือภาพยนตร์ Hollywood ที่ทำให้ความเข้าใจเรื่อง AI ของคนทั่วไปบิดเบือนไปจากความเป็นจริง
ถ้าเรายังหานิยามให้ AI ไม่ได้ งั้นมาลองดูลักษณะสำคัญของ AI ก่อนละกัน ประกอบด้วย
Autonomy– ทำงานได้ด้วยตัวเองในสภาพแวดล้อมที่ซับซ้อน ไม่ต้องรอคำสั่งจากมนุษย์Adaptivity– สามารถพัฒนาตัวเอง เรียนรู้ผ่านประสบการณ์
ตัวอย่างของ AI applications ที่เราเห็นกันเยอะๆทุกวันนี้ ได้แก่
- Self-driving cars – รถยนต์ไร้คนขับ Tesla และ Google’s Waymo
- Recommendation systems – อย่างที่ Amazon และ Netflix ใช้กัน
- Image and video processing – ตัวอย่างง่ายๆ เช่น Face recognition
ส่วนตัวมองว่าที่นักวิทยาศาสตร์ยังหานิยามชัดๆกับ AI ไม่ได้ เป็นเพราะว่ามนุษย์เรามีปัญหากับการวัดระดับ “Intelligence” ของตัวเอง ขนาด IQ test ยังเถียงกันมาถึงทุกวันนี้เลยว่าอาจจะไม่ได้วัดระดับสติปัญญาของมนุษย์คนหนึ่งได้จริง (i.e. IQ score เป็นแค่ proxy ของ intelligence)
Related Fields to AI
รูปด้านบนคือ Euler diagram ที่แสดงให้เห็นว่า AI เป็น subfield หรือสาขาหนึ่งของ computer science ที่ผสมนัวๆกับ data science (math + stats + programming + domain knowledge)
ถ้าอยากจะเข้าใจ AI ในระดับที่สามารถสร้าง AI applications ของตัวเองได้ จำเป็นต้องมีความรู้หลายๆด้าน แต่หลักๆคือ machine learning และ deep learning (เป็น subset ของ ML อีกที)
ถ้าใครรู้จัก Andrew Ng ผู้ก่อตั้ง Coursera และเจ้าพ่อวงการ deep learning จะได้ยินเค้าพูดเสมอว่า DL คือ state-of-the-art เทคนิคการเรียนรู้ของเครื่องจักรในยุคนี้ ด้วยความสามารถในการเรียนรู้โครงสร้างความสัมพันธ์ที่ซับซ้อนของข้อมูลที่เราป้อนให้กับมัน ตัวอย่างของ AI applications ที่เรายกตัวอย่างมาในหัวข้อที่แล้ว ต้องมีใช้ DL เป็นส่วนหนึ่งของการประมวลผลข้อมูลไม่มากก็น้อย
The Elements of AI บทที่ 4 กับบทที่ 5 จะมีพูดเรื่อง ML | DL แบบละเอียดอีกครั้งหนึ่ง เดี๋ยวเราจะมาเขียนสรุปให้อ่านอีกที
Philosophy of AI
ภาพยนตร์เรื่อง The Imitation Game (2014) นำเสนอเรื่องราวของ Alan Turing บุคคลที่ได้รับการยอมรับว่าเป็นบิดาของวิชา computer science กับการถอดรหัสลับ Enigma ในช่วงสงครามโลกครั้งที่สอง และการทดสอบที่ดังมากๆของเค้าชื่อว่า The Turing Test
ซึ่งสั้นๆคือการทดสอบว่า – คนที่เรากำลังคุยอยู่ด้วยตอนนี้เป็นคอมพิวเตอร์หรือเป็นคนจริงๆ?
การทดสอบนี้กลายเป็นปรัชญาสำคัญของโลก AI และนับตั้งแต่มันถูกคิดขึ้นมาในปี 1950 จนถึงทุกวันนี้ยังไม่มีคอมพิวเตอร์ตัวไหนผ่านการทดสอบนี้เลย ที่ใกล้เคียงที่สุดคือ Chatbot ชื่อ Eugene Goostman สัญชาติรัสเซีย ที่คุยนอกเรื่อง หลอกกรรมการไปได้หลายคน
ถึงแม้ว่าคอมพิวเตอร์จะสามารถลอกเลียนแบบพฤติกรรมมนุษย์ได้แบบเนียนๆ (imitation) แต่ก็ไม่ได้แปลว่ามันมี intelligence ในระดับที่เทียบเท่ากับมนุษย์จริงๆ เพราะสมองมนุษย์มันช่างซับซ้อน
Neuroscientists เพิ่งจะเริ่มเข้าใจการทำงานของสมองมากขึ้นเมื่อไม่กี่ปีมานี้เอง ด้วยเทคโนโลยีอย่าง fMRI แปลว่าเวลาที่พวก Data Scientist พูดถึง neural networks หรือ deep learning ว่าจำลองการทำงานของสมองมา ก็ไม่ได้ถูกต้อง 100% เพราะเรายังบอกไม่ได้เลยว่าสมองเราทำงานได้ยังไง แต่เราอธิบาย neural networks ได้เป็นฉากๆ forward-backward propagation หื๊มมม !!
Where Are We Right Now?
ถ้าใครอ่านข่าวหรือบทความในหนังสือพิมพ์เกี่ยวกับ AI จะพบสองคำนี้บ่อยๆ
- General AI – AI ที่ทำได้ทุกอย่าง เก่งทุกอย่างพร้อมๆกัน
- Narrow AI – AI ที่เก่งแค่อย่างใดอย่างหนึ่ง มีความสามารถเฉพาะทาง
นักวิทยาศาสตร์พยายามจะสร้าง General AI มาหลายสิบปีแล้ว แต่ก็ไม่สำเร็จซักที เรียกว่าไม่มีความคืบหน้าเลย ส่วนใหญ่จึงหันไปพัฒนา Narrow AI แทน เช่น Google’s DeepMind ที่เล่นโกะเก่งมาก ก็จะเล่นโกะเก่งอย่างเดียว เอาไปเล่นหมากรุกเหมือน DeepBlue หรือจะให้มันไปขับรถเหมือน Waymo ก็คงไม่ได้ (ถ้าดูจากระดับเทคโนโลยีทุกวันนี้)
สรุปได้ว่า General AI ตอนนี้ยังเป็นแค่ fiction ที่ทำได้แต่ในหนัง Hollywood เท่านั้น ส่วน Narrow AI ก้าวหน้าขึ้นมามาก และเก่งขึ้นเรื่อยๆทุกวันจนตอนนี้หลายๆงาน AI ทำได้ดีกว่ามนุษย์แล้วด้วย
To Be Continued
จบเนื้อหาของ Chapter 1 สัปดาห์แรก ติดตามตอนต่อไปได้สัปดาห์หน้า ถ้าชอบบทความ อย่าลืม Like | Share ให้เพื่อนๆได้อ่านด้วยนะคร้าบ
